Đưa AI y tế vào bệnh viện: độ chính xác chưa đủ để nghiệm thu

Độ chính xác cao trên một bộ dữ liệu thử chưa đủ để một hệ thống AI được nghiệm thu trong bệnh viện. Con số này chỉ có nghĩa khi gắn với mục đích sử dụng, nhóm bệnh nhân và hậu quả của từng loại sai sót. Cục Quản lý Thực phẩm và Dược phẩm Đài Loan (TFDA) phụ trách thực phẩm, thuốc và thiết bị y tế tại Đài Loan. Hướng dẫn kỹ thuật của TFDA yêu cầu hồ sơ nêu chức năng, thuật toán và nguồn dữ liệu. Các mục tiêu gồm tỷ lệ phát hiện, dương tính giả hoặc âm tính giả.

Diễn đàn Cơ quan Quản lý Thiết bị Y tế Quốc tế (IMDRF) tập hợp các cơ quan quản lý. Tổ chức này thúc đẩy cách tiếp cận hài hòa với thiết bị y tế. Năm 2025, IMDRF ban hành 10 nguyên tắc thực hành tốt về máy học (Good Machine Learning Practice, GMLP). GMLP nối dữ liệu đại diện, tập thử độc lập và chuẩn tham chiếu với tương tác giữa con người với AI cùng giám sát sau triển khai. Với bệnh viện, bằng chứng cần đi từ hồ sơ sản phẩm đến quy trình lâm sàng, thay vì dừng ở bảng điểm của nhà cung cấp.

Nghiệm thu bắt đầu từ mục đích sử dụng

Mục đích sử dụng phải trả lời bốn câu hỏi: ai dùng, dùng lúc nào, nhận dữ liệu gì và đầu ra tác động đến khâu nào. Một hệ thống đánh dấu vùng nghi ngờ trên ảnh khác với công cụ sắp xếp thứ tự ca cần đọc. Hai chức năng tạo ra sai sót và yêu cầu kiểm chứng khác nhau. Nhóm bệnh nhân, thiết bị thu nhận dữ liệu và môi trường sử dụng cũng phải nằm trong phạm vi đã mô tả.

Mỗi chỉ số phải gắn với một rủi ro lâm sàng đã xác định. Độ nhạy, độ đặc hiệu hoặc độ chính xác tổng thể không thay thế lẫn nhau trong mọi nhiệm vụ. Tỷ lệ âm tính giả đáng chú ý với hệ thống sàng lọc, còn thời gian phản hồi có ý nghĩa trong quy trình cấp cứu. Báo cáo nghiệm thu vì thế cần nêu cả mục tiêu, ngưỡng chấp nhận và lý do chọn chỉ số.

Chuẩn tham chiếu cũng ảnh hưởng trực tiếp đến kết quả. Hồ sơ phải cho biết ai gắn nhãn ảnh, bản bệnh án nào được xem là bản cuối và kết quả được theo dõi trong bao lâu. GMLP yêu cầu chuẩn tham chiếu phù hợp với mục đích và nêu rõ giới hạn của chuẩn đó. Nếu chuẩn không ổn định, điểm số của mô hình cũng thiếu nền tảng để so sánh.

Tách dữ liệu phát triển khỏi bài kiểm tra

TFDA chia dữ liệu thành ba nhóm dùng cho huấn luyện, kiểm chứng và thử nghiệm. Tập thử phải được tách nghiêm ngặt khỏi hai nhóm còn lại để giảm sai lệch đánh giá. Hồ sơ còn phải nêu nguồn, đặc điểm nhóm bệnh nhân, thiết bị tạo dữ liệu, thông số thu nhận và cách gắn nhãn. Một bảng kết quả không có nguồn gốc dữ liệu sẽ khó cho bệnh viện đối chiếu với môi trường thật.

GMLP mở rộng yêu cầu độc lập sang bệnh nhân, cơ sở và cách thu nhận dữ liệu. Cùng một người xuất hiện ở tập huấn luyện và tập thử sẽ làm kết quả cao hơn thực tế. Dữ liệu từ cùng bệnh viện hoặc cùng thời kỳ cũng dễ giữ lại những đặc điểm của quy trình phát triển. Mức kiểm chứng bên ngoài phải tương xứng với rủi ro của thiết bị.

Kiểm chứng bên ngoài không đồng nghĩa lấy bất kỳ bộ dữ liệu nào ở cơ sở khác. Dữ liệu phải đại diện cho nhóm bệnh nhân, thiết bị và điều kiện sử dụng đã công bố. Kết quả từ một bệnh viện không tự chuyển sang cơ sở có cách chụp, mã dữ liệu hoặc phân bố bệnh nhân khác. Báo cáo cần chỉ ra phân nhóm nào có ít mẫu hoặc hiệu năng thấp hơn.

Thử nghiệm cả nhóm người và AI

Một mô hình giữ nguyên vẫn cho kết quả vận hành khác nhau khi giao diện và quy trình thay đổi. Nhân viên y tế cần biết đầu vào nào đang thiếu, kết quả nào chưa được kiểm tra và giới hạn nào đang áp dụng. Hệ thống cũng phải cho thấy cách từ chối, sửa hoặc chuyển đầu ra sang quy trình thủ công. Nếu bước kiểm tra chỉ còn một nút xác nhận, vai trò của con người dễ trở thành hình thức.

GMLP yêu cầu đánh giá thiết bị trong môi trường dự kiến và chú ý đến hiệu năng của cả nhóm người với AI. Kế hoạch thử phải tính đến kỹ năng người dùng, cách hiểu đầu ra, nguy cơ phụ thuộc quá mức và lỗi sử dụng. Phạm vi còn bao gồm điều kiện lâm sàng, biến thiên đầu vào và yếu tố gây nhiễu. Bệnh viện vì thế cần quan sát ca bị bác bỏ, ca sửa thủ công và thời gian xử lý, không chỉ đầu ra được chấp nhận.

Bảng dưới đây là khung nghiệm thu do Ban biên tập APPI News tổng hợp từ các nguồn quản lý. Đây không phải mẫu hồ sơ bắt buộc của TFDA hoặc IMDRF. Mỗi cơ sở vẫn phải điều chỉnh chỉ số theo mục đích và mức rủi ro của sản phẩm.

Khâu kiểm tra	Bằng chứng cần đối chiếu	Dấu hiệu chưa đủ
Mục đích sử dụng	Người dùng, nhóm bệnh nhân, đầu vào, đầu ra và giới hạn	Mô tả chung như “hỗ trợ bác sĩ”
Dữ liệu	Nguồn, thời gian, cơ sở, thiết bị, cách gắn nhãn và dữ liệu thiếu	Chỉ cung cấp số lượng mẫu tổng
Kiểm chứng	Tập thử độc lập, chuẩn tham chiếu và kết quả theo phân nhóm	Không rõ bệnh nhân có trùng với tập huấn luyện hay không
Quy trình	Vai trò kiểm tra, cách sửa, từ chối và chuyển sang xử lý thủ công	Đầu ra AI tự đi vào hồ sơ mà không có trạng thái xem xét
Sau triển khai	Phiên bản, chỉ số theo dõi, tín hiệu cảnh báo, dừng và khôi phục	Không có người chịu trách nhiệm khi hiệu năng suy giảm

Ba lớp tài liệu đang được dùng tại Đài Loan

Tại Đài Loan, hướng dẫn kỹ thuật TFDA tập trung vào hồ sơ đăng ký phần mềm thiết bị y tế dùng AI hoặc máy học. Tài liệu yêu cầu mô tả thuật toán, dữ liệu, môi trường sử dụng, kiểm chứng phần mềm và hiệu năng lâm sàng. Phạm vi này không bao trùm mọi công cụ AI trong bệnh viện. Một hệ thống không thuộc thiết bị y tế vẫn cần quản trị theo chức năng, dữ liệu và quy định liên quan.

Lớp thứ hai là kế hoạch kiểm soát thay đổi định trước (Predetermined Change Control Plan, PCCP). Hướng dẫn TFDA ngày 18 tháng 9 năm 2024 yêu cầu PCCP được cơ quan y tế trung ương phê duyệt trước khi triển khai. Nhà sản xuất chỉ được thay đổi trong nội dung đã duyệt và phải giữ hồ sơ tương ứng. Mục đích, chỉ định, bối cảnh, nhóm bệnh nhân và bộ phận cơ thể vẫn là ranh giới của kế hoạch.

Bộ Y tế và Phúc lợi Đài Loan là cơ quan trung ương phụ trách y tế và phúc lợi tại Đài Loan. Hướng dẫn ngày 29 tháng 5 năm 2026 áp dụng cho bệnh viện và phòng khám đang chuẩn bị hoặc đã dùng hệ thống AI tạo sinh. Văn bản yêu cầu đánh giá an toàn thông tin và bảo vệ dữ liệu. Hệ thống phải tích hợp với quy trình lâm sàng, đồng thời lưu đầu ra và lịch sử sử dụng. Hướng dẫn mang tính chỉ dẫn hành chính, còn chức năng liên quan thiết bị y tế phải trở lại quy định về thiết bị.

Ba lớp tài liệu giải quyết ba câu hỏi khác nhau. Hồ sơ kỹ thuật xem sản phẩm đã chứng minh gì. PCCP giới hạn các cập nhật dự kiến, còn hướng dẫn AI tạo sinh tổ chức quản trị trong cơ sở y tế. Bệnh viện vẫn phải chuyển các nguyên tắc thành tiêu chí mua sắm, quy trình thao tác và phân công trách nhiệm. Một giấy phép hoặc bản hướng dẫn không tự hoàn thành khâu nghiệm thu tại chỗ.

FHIR nối dữ liệu nhưng không chứng minh hiệu năng

Fast Healthcare Interoperability Resources (FHIR, tiêu chuẩn trao đổi thông tin y tế điện tử) do HL7 International phát hành. HL7 xác định FHIR là tiêu chuẩn trao đổi dữ liệu y tế và cung cấp các tài nguyên như Patient, Observation, ImagingStudy, Medication, Task cùng AuditEvent. Các tài nguyên tạo cấu trúc chung cho hồ sơ điện tử, thiết bị và dịch vụ AI. Tiêu chuẩn không tự xác nhận giá trị trong từng trường là đầy đủ hoặc đúng.

Kiểm thử tích hợp phải đối chiếu nhận diện bệnh nhân, dấu thời gian, đơn vị đo, mã lâm sàng và giá trị thiếu. Nhật ký cần nối đầu vào, đầu ra, phiên bản mô hình và người đã xem kết quả. Quyền đọc, ghi và gửi dữ liệu ra dịch vụ bên ngoài cũng phải hiện rõ trong sơ đồ luồng dữ liệu. Hoàn tất kết nối FHIR mới chứng minh hệ thống trao đổi đúng định dạng đã chọn.

Hợp đồng nên nêu dữ liệu nào rời khỏi hệ thống bệnh viện, được giữ trong bao lâu và ai được truy cập. Nhà cung cấp cũng phải mô tả cách cập nhật ánh xạ khi hồ sơ điện tử thay đổi. Nếu trường dữ liệu biến mất hoặc mã bị đổi, hệ thống cần cảnh báo thay vì tiếp tục trả kết quả như bình thường. Các yêu cầu này thuộc lớp quản trị và kiểm thử tại cơ sở, không phải chứng nhận tự động do FHIR cung cấp.

Giám sát sau triển khai cần có điểm dừng

Độ trôi mô hình (model drift) xuất hiện khi dữ liệu hoặc môi trường thực tế thay đổi so với lúc kiểm chứng. Cục Quản lý Thực phẩm và Dược phẩm Mỹ (FDA) là cơ quan liên bang giám sát thuốc và thiết bị y tế tại Mỹ. Tài liệu tham vấn năm 2025 của FDA nêu năm nguồn thay đổi: thực hành lâm sàng, dân số bệnh nhân, đầu vào, hạ tầng và hành vi người dùng. Những biến động này có thể làm hiệu năng suy giảm. FDA cũng cho biết thử nghiệm hồi cứu hoặc chuẩn tĩnh không dự báo đầy đủ hành vi trong môi trường luôn biến động.

Tài liệu FDA là đề nghị đóng góp ý kiến, không phải hướng dẫn dự thảo hoặc chính sách cuối cùng. Giá trị của nó nằm ở nhóm câu hỏi về chỉ số, nguồn dữ liệu, hạ tầng giám sát và phản ứng khi hiệu năng giảm. Nguồn theo dõi được nêu gồm hồ sơ điện tử, nhật ký thiết bị và kết quả do bệnh nhân báo cáo. Tài liệu không đặt một ngưỡng số chung để mọi bệnh viện dùng làm điểm dừng.

Mỗi sản phẩm cần tín hiệu cảnh báo gắn với rủi ro và mục đích đã xác định. Tỷ lệ đầu vào thiếu, kết quả bị nhân viên y tế bác bỏ hoặc hiệu năng giảm ở một phân nhóm đều đáng theo dõi. Hợp đồng phải nêu người nhận cảnh báo, thời hạn đánh giá và quyền tạm dừng hệ thống. Quy trình khôi phục cần chỉ rõ phiên bản thay thế và cách tiếp tục công việc thủ công.

Bộ hồ sơ tối thiểu trước khi vận hành

Một bộ hồ sơ nghiệm thu cần nối cùng một mục đích sử dụng qua năm khâu. Mỗi khâu phải có tài liệu giao nộp, người chịu trách nhiệm và kết quả đạt hoặc chưa đạt. Danh mục dưới đây là khung tác nghiệp của tòa soạn, không thay thế quyết định của TFDA.

1. Phạm vi: mô tả người dùng, nhóm bệnh nhân, đầu vào, đầu ra, giới hạn và vị trí trong quy trình lâm sàng.
2. Dữ liệu: ghi nguồn, thời gian, cơ sở, thiết bị, cách gắn nhãn, dữ liệu thiếu và mức độc lập của tập thử.
3. Kiểm chứng: nêu chuẩn tham chiếu, chỉ số theo phân nhóm, tiêu chí chấp nhận và các trường hợp chưa đủ mẫu.
4. Tích hợp: kiểm tra ánh xạ FHIR, quyền truy cập, nhật ký, bước xem xét của con người và quy trình thủ công.
5. Vận hành: lưu phiên bản, theo dõi độ trôi, thông báo thay đổi, xử lý sự cố, dừng và khôi phục hệ thống.

Đặt độ chính xác ở giữa hồ sơ giúp giữ đúng vai trò của chỉ số này. Phần đầu phải xác định sản phẩm dùng cho ai và trong tình huống nào. Phần sau phải cho thấy bệnh viện nhận ra sai lệch ra sao và ai có quyền dừng. Khi thiếu hai đầu của chuỗi bằng chứng, một con số đẹp chưa đủ cho quyết định vận hành.

Phạm vi khi đối chiếu với Việt Nam

Hướng dẫn TFDA và Bộ Y tế và Phúc lợi nêu trong bài áp dụng tại Đài Loan. Người Việt sinh sống, làm việc hoặc học tập tại Đài Loan đi theo quy trình của cơ sở y tế tại đây khi bệnh viện sử dụng AI. GMLP của IMDRF, tài liệu FDA và FHIR là nguồn quốc tế hoặc nguồn của Mỹ. Chúng không tự xác định tình trạng pháp lý của cùng sản phẩm ở Việt Nam.

Tính đến thời điểm bài viết được thực hiện, chúng tôi chưa tìm thấy văn bản chính thức của cơ quan chức năng Việt Nam đưa ra số liệu so sánh cho trường hợp này. Khoảng trống tìm kiếm không chứng minh Việt Nam không có quy định, chương trình hoặc hoạt động liên quan. Khi so sánh hai thị trường, hồ sơ và phạm vi sử dụng của từng sản phẩm phải được kiểm tra theo nguồn chính thức tại mỗi nơi. Khung năm khâu trong bài chỉ giúp sắp xếp câu hỏi, không phải giấy phép áp dụng chung.

Câu hỏi thường gặp

Độ chính xác cao đã đủ để đưa AI vào bệnh viện chưa?

Chưa đủ nếu đó chỉ là điểm trên một bộ thử. Bệnh viện còn phải xem mục đích, nhóm bệnh nhân, chuẩn tham chiếu và mức độc lập của dữ liệu. Quy trình của nhân viên y tế, tích hợp hệ thống và giám sát sau triển khai cũng ảnh hưởng đến hiệu năng thực tế.

Kiểm chứng bên ngoài khác thử nghiệm nội bộ ở đâu?

Thử nghiệm nội bộ thường đi qua cùng quy trình phát triển và thu nhận dữ liệu. Kiểm chứng bên ngoài xem mô hình hoạt động ra sao với cơ sở, thời kỳ, thiết bị hoặc nhóm bệnh nhân khác. Kết quả chỉ phù hợp để suy rộng khi những khác biệt đó vẫn nằm trong mục đích sử dụng đã xác định.

Kết nối FHIR hoàn tất có nghĩa hệ thống đã sẵn sàng chưa?

FHIR xác nhận một cấu trúc trao đổi dữ liệu, không xác nhận hiệu năng lâm sàng. Bệnh viện vẫn phải kiểm tra dữ liệu thiếu, mã ánh xạ, quyền truy cập và dấu vết phiên bản. Bước xem xét của con người, điểm dừng và quy trình khôi phục cũng cần được nghiệm thu riêng.